Bộ tổng hợp log nghiên cứu từ agent (agent-research-aggregator)
Quét cache của các AI agent (.claude, .cursor...) để gom log thí nghiệm rải rác thành idea.md và experimental_log.md dùng viết bài báo.
Làm được gì
Skill này quét các thư mục cache của agent lập trình AI (.claude, .cursor, .antigravity, .openclaw) hoặc bất kỳ thư mục bạn chỉ định, tìm các log thí nghiệm, trích xuất giả thuyết – phương pháp – số liệu, rồi tổng hợp thành một mạch nghiên cứu duy nhất. Kết quả là hai tệp workspace/inputs/idea.md và workspace/inputs/experimental_log.md mà pipeline PaperOrchestra dùng ngay được.
Quy trình gồm 5 pha:
- Discovery — chạy
discover_logs.pyđể liệt kê tệp log và danh sách project. - Chọn project — một bài báo chỉ nên dựa trên một project, nên skill bắt buộc hỏi bạn chọn.
- Trích xuất & tổng hợp — chia log thành batch, LLM trả về JSON có cấu trúc rồi hợp nhất thành câu hỏi nghiên cứu, đóng góp, bảng kết quả.
- Định dạng — sinh hai tệp đầu vào kèm bảng Markdown.
- Báo cáo kiểm toán — thống kê số tệp, cảnh báo chất lượng dữ liệu, tệp còn thiếu.
Có quy tắc an toàn rõ ràng: không bao giờ ghi vào thư mục cache, loại bỏ thông tin cá nhân/API key, và gắn nhãn [UNVERIFIED] cho số liệu độ tin cậy thấp thay vì bịa ra.
Phù hợp với ai
- Nhà nghiên cứu đã chạy rất nhiều thí nghiệm cùng agent nhưng không có sổ ghi chép có cấu trúc.
- Học viên cao học cần dựng nhanh phần setup và bảng số liệu trước deadline hội nghị.
- Người muốn dùng PaperOrchestra nhưng thiếu
idea.md/experimental_log.md. - Nhóm làm việc phân tán trên nhiều công cụ (Claude Code, Cursor…).
Ví dụ sử dụng
- "Gom log agent của tôi để viết bài báo" → skill quét thư mục hiện tại và home, hiển thị danh sách project để bạn chọn, rồi sinh hai tệp đầu vào.
- Dùng
--search-roots ~/projects/llm-eval --since 2025-01-01để chỉ lấy các thí nghiệm gần đây của một project cụ thể. - Khi báo cáo kiểm toán cảnh báo "số liệu xung đột", bạn kiểm tra lại log gốc, giữ giá trị đúng rồi chạy lại pha định dạng.
· · · Hướng dẫn cài đặt · · ·
Dùng thử ngay, không cần cài
Dán đoạn dưới vào Claude là dùng được skill này mà không cần cài đặt.
Hãy đọc hướng dẫn trong tệp này và làm theo để giúp mình: https://raw.githubusercontent.com/Ar9av/PaperOrchestra/HEAD/skills/agent-research-aggregator/SKILL.md Mình muốn: (viết việc bạn cần ở đây)
Nếu Claude không mở được liên kết, hãy mở liên kết và copy nội dung vào rồi dán.
↓ Thấy hữu ích thì tải ZIP bên dưới và cài. Sau đó skill tự chạy, không phải dán lại mỗi lần.
Cài vào ứng dụng Claude (không cần terminal)
- Tải tệp ZIP bằng nút bên dưới.
- Trong Claude, mở Settings → Capabilities và bật 'Code execution and file creation'. (chỉ một lần)
- Vào Customize → Skills → + → 'Upload a skill' rồi tải tệp ZIP lên.
Cài vào Claude Code
Để Claude làm — dán câu dưới đây vào Claude Code
Hãy cài skill mình tìm thấy trên Claude Skill Mart. Copy thư mục skills/agent-research-aggregator từ repo GitHub Ar9av/PaperOrchestra vào ~/.claude/skills/agent-research-aggregator/ của mình. Sau khi cài xong, cho mình biết skill này làm được gì trong một câu.
Cài bằng lệnh thủ công
git clone https://github.com/Ar9av/PaperOrchestra.git && cp -r PaperOrchestra/skills/agent-research-aggregator ~/.claude/skills/⚠ Đây là skill do người khác tạo. Hãy kiểm tra repo gốc trước khi cài.
- Mở terminal và chuyển đến thư mục làm việc của bạn.
- Tải mã nguồn:
git clone https://github.com/Ar9av/PaperOrchestra.git - Sao chép skill:
mkdir -p ~/.claude/skills && cp -r PaperOrchestra/skills/agent-research-aggregator ~/.claude/skills/ - Kiểm tra thư mục
scripts/(chứadiscover_logs.py,extract_experiments.py,format_po_inputs.py) vàreferences/đã được copy đầy đủ; nếu có skillpaper-orchestrathì copy luôn. - Đảm bảo đã có Python 3:
python --version. - Khởi động lại Claude Code và yêu cầu ví dụ: "Chuẩn bị đầu vào PaperOrchestra từ log agent trong ~/projects/du-an-cua-toi".
- Trả lời câu hỏi chọn project, sau đó đọc lại
workspace/inputs/idea.mdvàexperimental_log.mdđể xác nhận. - Nếu muốn viết bài báo hoàn chỉnh, chuẩn bị thêm
template.texvàconference_guidelines.mdcủa hội nghị.